Sarvam AI चे नवीन LLM: भारताच्या AI मिशनला नवी दिशा, पण जागतिक स्पर्धेत आव्हान?

TECH
Whalesbook Logo
AuthorSiddharth Joshi|Published at:
Sarvam AI चे नवीन LLM: भारताच्या AI मिशनला नवी दिशा, पण जागतिक स्पर्धेत आव्हान?
Overview

बंगळूरुस्थित **Sarvam AI** या भारतीय स्टार्टअपने AI क्षेत्रात मोठे पाऊल उचलले आहे. कंपनीने **30B** आणि **105B** पॅरामीटर्स असलेले नवीन लँग्वेज मॉडेल्स (LLMs) लाँच केले आहेत. हे मॉडेल्स जागतिक दिग्गजांना टक्कर देण्यासाठी आणि भारताच्या 'सॉव्हरेन AI' (Sovereign AI) ध्येयात महत्त्वाची भूमिका बजावण्यासाठी सज्ज आहेत.

तंत्रज्ञानाचा 'मिक्सचर-ऑफ-एक्सपर्ट्स' (MoE) चा डाव

Sarvam AI च्या 30 अब्ज आणि 105 अब्ज पॅरामीटर्सच्या नवीन मॉडेल्सची घोषणा, भारतामध्ये स्वदेशी AI क्षमता निर्माण करण्याच्या प्रयत्नांना बळ देते. या मॉडेल्ससाठी 'मिक्सचर-ऑफ-एक्सपर्ट्स' (MoE) आर्किटेक्चरचा वापर केला गेला आहे, ज्यामुळे कॉम्पुटिंगचा खर्च कमी होतो आणि गुंतागुंतीच्या कामांमध्ये (complex reasoning) वेग वाढतो. Sarvam AI च्या 30B मॉडेलमध्ये प्रत्येक टोकनसाठी फक्त 1 अब्ज पॅरामीटर्स सक्रिय होतात. तर, 105B मॉडेलमध्ये 1,28,000-टोकन कॉन्टेक्स्ट विंडो असूनही, प्रत्येक कामासाठी त्याच्या एकूण क्षमतेचा एक छोटा भागच वापरला जातो. हे तंत्रज्ञान मोठ्या प्रमाणात AI सेवा पुरवण्यासाठी आवश्यक असलेल्या खर्च-कार्यक्षमतेसाठी (cost-effectiveness) महत्त्वाचे आहे. मात्र, MoE सिस्टम्समध्ये अनेक तज्ञांना (experts) व्यवस्थापित करणे हे तांत्रिकदृष्ट्या आव्हानात्मक असू शकते.

जागतिक स्पर्धकांना तगडी टक्कर?

Sarvam AI चा दावा आहे की, त्यांची नवीन मॉडेल्स विशेषतः भारतीय भाषांसाठी DeepSeek च्या 600 अब्ज पॅरामीटर्सच्या R1 आणि Google च्या Gemini Flash सारख्या मोठ्या मॉडेल्सनाही मागे टाकू शकतात. मात्र, खरी कसोटी ही प्रत्यक्ष (real-world) ॲप्लिकेशन्समध्ये सातत्यपूर्ण कामगिरी आणि किमतीत टिकून राहण्यात आहे. AI मार्केटमध्ये प्रचंड इन्फ्रास्ट्रक्चर आणि R&D बजेट असलेल्या कंपन्यांचे वर्चस्व आहे, त्यामुळे केवळ तांत्रिक कामगिरीच्या जोरावर मोठी बाजारपेठ काबीज करणे कठीण आहे. भारतीय भाषांवर लक्ष केंद्रित करणे हा Sarvam AI साठी एक स्ट्रॅटेजिक फायदा (strategic niche) ठरू शकतो.

सरकारी मदतीचा आधार

भारताच्या 'सॉव्हरेन AI' ध्येयाला Sarvam AI च्या वाटचालीत मोठ्या सरकारी मदतीचा आधार मिळत आहे. ₹10,000 कोटी निधी असलेल्या IndiaAI Mission अंतर्गत, Sarvam AI ने जवळपास ₹99 कोटी रुपयांची सबसिडी (subsidy) मिळवली आहे. या मदतीतून 4,096 NVIDIA H100 GPUs खरेदी केले जात आहेत, जे अत्याधुनिक AI मॉडेल्सच्या ट्रेनिंगसाठी अत्यंत महत्त्वाचे आहेत. ही मदत कंपनीला अत्याधुनिक हार्डवेअर मिळवण्यासाठी निर्णायक ठरली आहे, पण हे सरकारी योजनांवरील अवलंबित्व देखील दर्शवते.

संभाव्य धोके आणि आव्हाने

तंत्रज्ञानातील प्रगती आणि सरकारी पाठबळ असूनही, Sarvam AI च्या मार्गात काही मोठे धोके आहेत. MoE आर्किटेक्चरमुळे मिळणारे कार्यक्षमतेचे फायदे प्रत्यक्षात मॉडेल वापरताना कमी पडू शकतात किंवा ऑपरेशनल खर्च अपेक्षित खर्चापेक्षा वाढू शकतो. याशिवाय, जागतिक AI कंपन्या सतत अधिक शक्तिशाली मॉडेल्स बाजारात आणत असल्याने तीव्र स्पर्धा आहे. सरकारी सबसिडीवरील अवलंबित्व धोरणात्मक बदलांमुळे धोकादायक ठरू शकते. अनुभवी संशोधकांनी स्थापन केले असले तरी, संशोधनातून नफा मिळवणाऱ्या व्यावसायिक प्लॅटफॉर्ममध्ये रूपांतरित होणे हे एक मोठे आणि गुंतागुंतीचे आव्हान आहे.

पुढील वाटचाल

Sarvam AI च्या नवीन मॉडेल्सचे यश केवळ बेंचमार्क कामगिरीवर किंवा राष्ट्रीय महत्त्वावर अवलंबून न राहता, ते किती मार्केट शेअर मिळवतात आणि किती महसूल (revenue) निर्माण करतात यावर ठरेल. त्यांची कार्यक्षमता आणि भारतीय भाषांवरील लक्ष त्यांना स्पर्धेत वेगळे बनवते. मात्र, या क्षेत्रात टिकून राहण्यासाठी सतत R&D मध्ये गुंतवणूक, स्ट्रॅटेजिक पार्टनरशिप्स (strategic partnerships) आणि मजबूत व्यावसायिक धोरण आवश्यक असेल. हा देशात AI क्षमता वाढवण्याचा मोठा प्रयत्न आहे, ज्यामध्ये Sarvam AI आघाडीवर आहे, पण अंतिम यश हे त्यांच्या प्रभावी अंमलबजावणीवर अवलंबून असेल.

Disclaimer:This content is for educational and informational purposes only and does not constitute investment, financial, or trading advice, nor a recommendation to buy or sell any securities. Readers should consult a SEBI-registered advisor before making investment decisions, as markets involve risk and past performance does not guarantee future results. The publisher and authors accept no liability for any losses. Some content may be AI-generated and may contain errors; accuracy and completeness are not guaranteed. Views expressed do not reflect the publication’s editorial stance.